Ajustement des mesures : Stratification et standardisation Flashcards
V/F Une mesure brute reflètera l’effet des groupes les plus importants en termes de nombre: ils auront un poids plus élevé dans la mesure qui sera effectuée.
Vrai
But ajustement
Résumer en une mesure globale les mesures spécifiques des différentes strates
Le choix du système de poids ne peut pas être arbitraire
Faux
Quelles sont les conditions pour être un facteur de confusion ? (3)
1.A un lien avec l’exposition
2.A un lien avec l’événement
3. Ne fait pas partie de la chaine causale liant l’exposition à l’événement
V/F La stratification permet de corriger les biais de confusion
Vrai
V/F Les mesures globales brutes sont des sommes pondérées des mesures spécifiques
Vrai
Dans la standardisation directe qui fournit les poids?
population standard de référence
V/F Dans la standardisation directe les mesures globales standardisées peuvent être comparées de façon valide
Vrai
Dans la standardisation indirecte qui fournit les poids?
Les exposés
Quel type de standardisation permet de calculer une mesure ajustée même si seul le nombre total de cas est connu, c’est à dire que le nombre total de cas par strate n’est pas connu
standardisation indirecte
RSM : Rapport standardisé de mortalité ( à quoi sa sert)
Comparer le nombre de cas observés et le nombre de cas qui serait attendu en fonction de la population totale
RSM= cas obtenus/cas attendus(expected)
Dans le rapport standardisé de mortalité qui fournit les poids?
Population des travailleurs, c’est à dire que la distribution de l’âge de la population des travailleurs devient le standard
V/F Les mesures standardisées ne sont pas des mesures réelles, mais elles permettent la comparaison entre les populations
Vrai
À partir de quelle condition les mesures standardisées permettent des comparaisons directes
À condition que les poids donnés à chacune des strates sont les mêmes
V/F Choix des poids (le choix du standard) peut grandement affecter le résultat moyen final
Vrai
V/F La standardisation ne permet pas de contrôler les biais internes aux données et ne permet pas non plus la comparaison avec d’autres résultats
Faux